Le contrat ne dit plus ce que l'IA va coûter
Pendant vingt ans, le SaaS a reposé sur une équation simple : un nombre d'utilisateurs, un prix de licence, un contrat annuel. Le rapport de Najar sur l'état des dépenses IA en Europe 2026, construit à partir des données de plus de 250 entreprises européennes (contrats, historiques de négociation, inventaires d'achats), montre que cette mécanique ne fonctionne plus avec l'intelligence artificielle. Le montant inscrit sur un contrat ne dit plus ce que l'outil va réellement coûter une fois mis en production.
Une enquête Gartner menée auprès de 1 303 responsables donne la mesure du problème : environ 11% des organisations ignorent totalement ce que leurs fonctions ont dépensé en IA en 2025, alors même que 85% des responsables prévoient d'augmenter ces dépenses en 2026. Les budgets accélèrent, mais les instruments pour les mesurer restent largement à construire.
93% d'usage sans contrat : la part invisible de la facture
Le premier problème identifié par Najar tient au fait qu'une grande partie de l'IA échappe désormais aux circuits d'achat traditionnels. Sur un panel de 25 outils dits pure play, le cabinet observe que 93% de leur usage intervient sans véritable cadre contractuel. OpenAI/ChatGPT, Cursor et Anthropic/Claude concentreraient à eux seuls 95% du Shadow AI observé sur cette catégorie. La raison est simple : un abonnement se souscrit en quelques minutes avec une carte bancaire, et une clé API suffit à un développeur pour commencer à appeler un modèle depuis une application.
Le véritable dérapage survient quand l'expérimentation devient production. Najar relève une progression de 2 313% des dépenses Anthropic en un an, à périmètre constant, attribuée à la hausse des volumes et au recours à des modèles plus coûteux. Ce chiffre doit toutefois être lu avec prudence : sans connaître le montant de départ, une hausse de 2 313% ne raconte pas la même histoire selon qu'elle part de 1 000 euros ou de 100 000 euros. Ce qu'il illustre surtout, c'est que la dépense IA ne suit plus les métriques habituelles du logiciel d'entreprise : ajouter dix salariés à une équipe ne permet en rien de prévoir le volume de tokens qu'elle consommera trois mois plus tard.
Les agrégateurs de modèles, un remède qui alourdit la note
Pour reprendre la main, certaines entreprises s'équipent d'agrégateurs comme Dust, qui donnent accès depuis une même interface à plusieurs IA génératives (GPT, Claude, Gemini). Sur le papier, l'idée est de réduire le nombre de fournisseurs facturés. Dans les faits, Najar observe l'inverse chez les entreprises de son panel qui utilisent Dust : 95,6% paient également OpenAI en direct, 87,9% Anthropic, et 85,7% les trois à la fois. Seules 4,4% ont effectivement résilié un contrat avec un fournisseur de modèles.
Cela ne signifie pas forcément un double paiement du même service : l'accès direct à OpenAI ou Anthropic correspond souvent à un usage technique via API, pour les développeurs, que l'agrégateur ne couvre pas. Najar estime néanmoins que le coût total lié à Dust dépasse de 43% le budget officiellement alloué à la plateforme, un écart que l'entreprise attribue à des requêtes refacturées sur les comptes OpenAI ou Anthropic des clients. Dust présente les choses différemment, en expliquant que seul l'usage programmatique par API est facturé en plus de l'abonnement standard. Quelle que soit l'origine exacte de l'écart, le constat de fond demeure : le prix de l'abonnement ne suffit pas à mesurer le coût réel d'un outil d'IA.
Le problème se corse encore avec les agrégateurs grand public comme Poe ou Monica, réglés par carte bancaire individuelle et apparaissant parfois sous d'autres dénominations sur les factures. Selon Najar, 67% des agrégateurs échapperaient ainsi à la comptabilité fournisseurs, ce qui fait du Shadow AI un problème financier autant qu'un problème de sécurité.
| Élément observé | Chiffre Najar | Ce qu'il signifie |
|---|---|---|
| Usage sans contrat (panel de 25 outils pure play) | 93% | La majorité de la consommation échappe aux achats |
| Dépenses Anthropic, à périmètre constant | +2 313% en un an | Hausse forte, mais base de départ inconnue |
| Dépenses Cursor | +588% en un an | Effet du modèle abonnement + consommation |
| Coût réel de Dust vs budget alloué | +43% | L'agrégateur ne remplace pas l'accès API direct |
| Agrégateurs échappant à la comptabilité fournisseurs | 67% | Facturation par carte individuelle, sous d'autres noms |
Dans le contrat, l'IA s'impose puis se facture au compteur
Le phénomène le plus révélateur survient lorsque l'IA n'est plus en dehors du contrat, mais dedans. Salesforce, HubSpot, Zendesk, Atlassian, Microsoft, Google ou ServiceNow ont progressivement injecté de l'IA dans leurs plateformes, sans que l'adoption suive forcément : Najar relève des taux d'activation de 2% pour Zendesk AI Copilot, 2,4% pour HubSpot Breeze AI et 10,6% pour Salesforce Einstein. Pendant ce temps, les contrats analysés par le cabinet affichent des hausses de 8 à 25% par an, loin des 3 à 5% auxquels le SaaS avait habitué ses clients. Najar précise toutefois que cette attribution reste une interprétation : rien sur les factures ne permet de distinguer ce qui finance réellement l'IA de ce qui relève de l'inflation classique ou de la marge de l'éditeur.
Cursor, l'abonnement comme simple ticket d'entrée
L'assistant de programmation Cursor illustre bien ce basculement. Il combine un prix fixe par utilisateur et une part variable liée au volume de requêtes envoyées aux modèles d'OpenAI ou d'Anthropic, refacturée aux tarifs de ces fournisseurs majorés d'une commission, avec régularisation trimestrielle. Dans le panel de Najar, les dépenses consacrées à Cursor ont augmenté de 588% en un an, une hausse attribuée en grande partie à ce modèle. L'abonnement n'a pas disparu : il sert désormais de ticket d'entrée, l'essentiel de la dépense se jouant ensuite à l'usage.
Snowflake et sa monnaie IA à part
Snowflake pousse la logique plus loin avec Cortex AI. Depuis le 1er avril 2026, une partie de ses fonctions d'IA (agents, Snowflake Intelligence) est facturée en crédits IA, une monnaie distincte de celle qui paie le reste de la plateforme, au prix fixe de 2 dollars l'unité (2,20 dollars si les traitements restent dans la région du client). Pour les clients des éditions les plus haut de gamme, la facture d'IA peut même baisser. Mais la remise négociée sur les crédits Snowflake classiques ne s'applique pas à cette nouvelle monnaie, dont les réductions suivent une grille automatique fondée sur le montant annuel du contrat. Un client peut ainsi avoir négocié durement son enveloppe de capacité, avant de découvrir que ses nouveaux usages d'IA en sortent entièrement.
La vraie facture se cache dans la chaîne agentique
Dans une tribune publiée sur Maddyness, Diego Ferri, associé IA chez EY, élargit le constat au-delà des contrats logiciels. Selon lui, la consommation de tokens change d'échelle à l'industrialisation : un cas d'usage performant auprès de quelques dizaines d'utilisateurs expérimentés peut basculer d'équilibre économique une fois déployé auprès de plusieurs milliers de collaborateurs aux niveaux de maturité variables. S'ajoutent des coûts difficiles à isoler : la puissance de calcul (GPU notamment, Nvidia ayant annoncé une hausse de prix pouvant atteindre 30% sur certaines cartes graphiques), les mises à niveau de systèmes historiques nécessaires pour accueillir un cas d'usage IA, et la formation des collaborateurs, souvent pilotée sur un budget RH global sans être rattachée à un projet précis.
Cette dérive touche aussi les briques les plus techniques des architectures IA. Une entreprise, TypeSafe AI, a lancé mi-septembre un modèle baptisé Jev, pensé non pas pour rédiger du texte mais pour prendre des micro-décisions (router une requête, évaluer un risque, classer un ticket) à un coût largement inférieur à celui d'un grand modèle génératif. L'existence même de ce type de produit confirme, en creux, le problème soulevé par Najar et par EY : de nombreuses architectures envoient aujourd'hui des micro-décisions à des modèles coûteux, alors que ces tâches représentent une part croissante et souvent invisible de la facture globale. Reste une ironie que TypeSafe assume jusque dans le nom de son modèle, référence à l'économiste William Stanley Jevons : rendre une ressource moins chère ne réduit pas forcément sa consommation totale, elle l'augmente souvent.
Ce que les DSI peuvent encore reprendre en main
Face à cette nouvelle plomberie tarifaire, Najar propose des règles concrètes : instaurer de vrais plafonds contractuels plutôt que de simples alertes à 80% du budget consommé, négocier les modules IA au moment du renouvellement du contrat principal, contrôler la création des clés API, désactiver les rechargements automatiques et imposer un préavis quand les tarifs figurent sur une grille en ligne modifiable unilatéralement. Ces leviers supposent un rapport de force réel face au fournisseur : une ETI ne négocie pas dans les mêmes termes qu'un grand groupe face à un hyperscaler.
Le contrat n'est toutefois qu'une partie du problème. Une entreprise peut obtenir un excellent tarif au million de tokens et laisser ensuite un agent mal conçu multiplier les appels, ou payer plusieurs services pour exécuter presque la même tâche. Le sujet glisse ainsi vers un FinOps appliqué à l'IA : rattacher chaque consommation à une application et à un métier, mesurer le coût d'un résultat, choisir le modèle adapté à la tâche plutôt que le plus puissant disponible, et comparer en permanence dépense et valeur créée.
C'est dans cette logique que certains éditeurs proposent des formules forfaitaires donnant accès à plusieurs modèles pour un prix fixe par utilisateur, à l'inverse de la facturation à l'usage qui se généralise chez Cursor ou Snowflake. Moon AI, plateforme éditée par la société française Stellarr Studio SAS, fonctionne sur ce principe : un abonnement unique donnant accès à plus de 70 modèles (GPT, Claude, Gemini, Mistral, DeepSeek, Llama, Grok, Qwen, ainsi que le modèle maison Moon 6), avec des paliers allant de 9,90 à 249,90 euros TTC par siège et par mois, et une offre gratuite sans carte bancaire. Un tel forfait fixe le prix d'entrée et le rend prévisible, mais il ne dispense pas les équipes techniques de surveiller séparément leurs propres usages via API, qui restent, comme le montre l'exemple de Dust dans l'étude Najar, une dépense distincte de l'abonnement applicatif.
Questions fréquentes
Pourquoi la facture IA est-elle moins prévisible que celle du SaaS classique ?
Parce que le SaaS traditionnel se calculait à partir du nombre d'utilisateurs multiplié par un prix de licence, alors que l'IA introduit de la variabilité à chaque étage : nombre de tokens consommés, choix du modèle, longueur du contexte, fréquence des appels, nombre d'agents actifs. Selon Najar, prévoir un budget IA suppose désormais de prévoir des usages, pas seulement des effectifs.
Comment repérer le Shadow AI dans une organisation ?
L'étude Najar identifie deux signaux : des abonnements payés par carte bancaire individuelle en dehors des circuits d'achat, et des clés API créées sans contrôle par les développeurs. Le cabinet estime que 67% des agrégateurs grand public échappent ainsi à la comptabilité fournisseurs, parfois sous des noms de facturation différents de la marque utilisée.
Un agrégateur de modèles permet-il réellement de réduire les coûts ?
Pas automatiquement. Dans l'étude Najar, la grande majorité des entreprises équipées de Dust continuent de payer directement OpenAI et Anthropic, notamment pour les usages techniques via API que l'agrégateur ne couvre pas. Le coût total lié à Dust dépasserait même de 43% le budget officiellement alloué à la plateforme.
Quelles clauses négocier en priorité avec un fournisseur d'IA ?
Najar recommande d'obtenir de vrais plafonds contractuels de dépense (et non de simples alertes), de négocier les modules IA au moment du renouvellement du contrat principal, de contrôler la création des clés API, de désactiver les rechargements automatiques et d'exiger un préavis lorsque les tarifs figurent sur une grille en ligne susceptible d'être modifiée sans négociation.